基于分水岭算法的绝缘子串红外图像分割方法

为解决500 kV瓷绝缘子串红外图像分割问题,提出了一种基于分水岭算法的图像分割方法。通过调整红外图像G分量消除云雾干扰,图像预处理后采用灰度拉伸法进行图像增强;然后利用Otsu算法将灰度图像二值化,通过Hough变换确定绝缘子串基准线,并据此使用Floodfill算法提取绝缘子串目标区域;角度校正后做欧式距离变换,以局部最小值为标记符避免过分割,再采用分水岭算法进行绝缘子片分割。据此对湖南省某座500 kV变电站700张红外图像进行分析,结果表明,本文所提方法具有良好的自适应性和实用性,可显著提高绝缘子红外图像智能分割准确率。     

一种改进的用于裂缝图像分割的Otsu方法

裂缝是隧道衬砌最常见的病害之一,基于近几年快速发展的工程检测系统与图像处理算法的研究,提出了一种CCD相机的衬砌裂缝快速检测系统采集裂缝图像。在提取裂缝特征之前,需要将裂缝区域与图像背景分离。采用Otsu法进行分割处理,然而传统的Otsu方法对裂缝区域过小的图像易产生欠分割;对背景不单一或光照度不均匀的裂缝图像易造成过分割的情况。根据Ostu方法分割特点对该方法进行改进,以达到更好的裂缝图像分割效果,从而为实现隧道裂缝的快速检测埋下基础。     

基于kNN的鞋印花纹的图像分割算法应用检验

图像分割是一种基本的计算机视觉技术,通过分割有利于图像特征的提取。本文针对传统图像分割的弱点,比如语义的二义性、难以达到理想的效果等,加之图像光照不均、干扰噪声复杂等问题,提出了一种基于kNN的鞋印花纹的图像分割算法,利用kNN的分类策略,提高鞋印花纹的提取精度,从而达到理想化的分割效果。     

一种基于孔洞填充的路面裂缝识别方法

本文提及一种基于孔洞填充路面裂缝识别方法,通过图像分割、去阴影算法,增强图像,使得在光照强度不佳的环境条件下拍摄的路面照片也能得到较好的识别效果;通过最大类间方差法,将图像进行较好的分割;通过孔洞填充算法去除较小面积区域的像素点,识别裂缝大小。提高了裂缝病害的识别精度,对公路养护部门的决策起到一定的作用。     

基于递进式级联卷积神经网络的混凝土裂缝识别方法

基于深度学习的卷积神经网络方法是目前图像裂缝识别鲁棒性较高的方法,主要分为滑动窗口法和图像分割法。滑动窗口法存在后期阈值分割裂缝精度不高的问题;全局图像分割法存在裂缝区域数据和背景区域数据严重不均衡问题,会对裂缝分割精度产生影响。采用了基于递进式级联卷积神经网络的方法对混凝土表面裂缝进行识别:首先采用全卷积神经网络一次性判断图像中所有密集重叠窗口区域内是否含有裂缝,然后将含有裂缝的窗口区块提取出来作为感兴趣区域,再基于轻量化的U-Net图像分割网络作用于感兴趣区域,将裂缝区域精确地提取出来。试验结果表明,所提出的基于递进式级联卷积神经网路的裂缝识别方法优于直接使用滑动窗口法和全局图像分割法,有着可靠的应用前景。     

砂土颗粒SEM图像分析方法的研究

提取砂土颗粒SEM图像的细观特性参数对砂土颗粒的细观研究具有极其重要的意义。在提取砂土颗粒的细观特性参数时遇到了图像质量不高,粘连颗粒比较严重等问题,影响了特征参数的提取。针对这个问题,对砂土颗粒SEM图像的特征进行了分析,借助开运算、中值滤波、直方图均衡化等方法,对图像进行处理,优化了图像质量。使用Otsu法二值化,对处理后的砂土颗粒图像应用形态学处理,改进的分水岭分割算法等,分割粘连的砂土颗粒。最后提取了砂土颗粒的数目、占空比、质心等参数,为岩土的组构张量描述提供了数据支撑。     

复杂光照条件下交通标志牌检测

在智能交通系统中交通标志牌检测存在准确率低和实时性差的问题,提出1种复杂光照条件下交通标志牌检测方法。该方法结合了亮度场景分类,RGB空间下颜色分割以及形状轮廓空间特征。首先根据图像亮度分布情况将图像分为逆光、阴暗、明亮和正常4种场景并进行自适应Gamma变换,消除光照对RGB颜色分量的影响,实现图像增强。然后利用基于RGB空间下改进的三分量色差法,提取图像中红色、黄色和蓝色目标区域,实现目标区域粗定位。最后利用形状轮廓空间特征实现交通标志牌精确定位。该方法抓住了不同光照条件下亮度分布差异的特点,综合利用了交通标志牌的颜色特征和形状轮廓空间特征。实验结果表明,该方法具有较高的鲁棒性和实时性。     

基于分水岭分割的图像处理算法研究

本文通过使用开闭运算和腐蚀膨胀运算等相关形态学算法,结合距离算法、标记算法和梯度图算法,提取梯度幅值图像的局部极小点,得到改进的梯度幅值图像,在此梯度图上使用分水岭分割,有效解决了传统分水岭分割存在的"过分割"问题,具有较高的分割精度。     

高分二号卫星影像中城市建筑物阴影检测方法

针对阴影在检测过程中易与水体、深蓝色地物、深灰色道路混淆的问题,对高分二号卫星(GF-2)影像中的典型地物纹理和光谱信息进行统计分析,提出一种基于多尺度分割和随机森林分类的阴影提取算法。通过选取样本数据的阴影指数、亮度、逆差矩、熵、对比度等12个对象特征构建随机森林分类模型,精确提取阴影区域。实验结果显示,本文所提阴影提取算法可以有效地对阴影进行识别,对2个研究区的提取精度分别达到了95.26%和94.35%,可有效解决单一特征下阴影不易与其他地物区分以及阈值分割过程中阈值不易确定的问题。     

改进型PCNN在绝缘子图像分割中的应用

针对高压输电线路绝缘子状态检测中光照不均匀、对比度不强的红外绝缘子图像分割,提出了一种基于类内绝对差准则的改进型PCNN图像分割算法。对最小类内绝对差法进行改进,引入背景与目标的面积差因子,确定最佳分割阈值后通过PCNN算法迭代优化进行图像分割。与经典OTSU算法、基于最小类内绝对差准则的PCNN算法进行比较。实验结果表明,本文方法能够取得更好的分割效果,并且具有较强的实用性。